Banco de Imagens, Coffea arabica, Melhoramento Genético, Hemileia vastatrix, Redes Neurais Convolucionais, Visão Computacional, Inteligência Artificial.

 

 

O café é a cultura agrícola mais importante no mundo e o Brasil é um dos seus maiores produtores e consumidores. A produtividade das lavouras de Coffea arabica é impactada por diversos fatores, dentre os bióticos está a ferrugem do cafeeiro, causada pelo Hemileia vastatrix. O controle da doença é crucial e a seleção de variantes resistentes é uma estratégia eficiente. Em programas de melhoramento genético a identificação dos níveis de resistência é feita com o uso de discos foliares inoculados com o patógeno e mantidos em ambiente controlado. As amostras são avaliadas por um especialista, o qual está sujeito a análises subjetivas, além de ser um processo demorado e custoso. A inteligência artificial (IA) busca desenvolver algoritmos que executem tarefas cognitivas similares às realizadas por seres humanos, simulando conexões que envolvem raciocínio e aprendizagem. A rede neural convolucional (CNN) é uma técnica de IA frequentemente utilizada para processamento de imagens e capaz de extrair informações valiosas dos dados de entrada por meio de técnicas de visão computacional, permitindo a realização de inferências com alta precisão e rapidez. Entretanto, o desempenho dessas redes depende da disponibilidade de um grande conjunto de imagens de treinamento. Embora existam muitos bancos de dados sobre a ferrugem do cafeeiro, não foram encontrados grandes repositórios que utilizem a metodologia de disco foliares, tampouco com diferentes estágios de evolução da doença em um formato padronizado. Portanto, este estudo propõe o desenvolvimento de um banco de imagens próprio que permita o uso de transferência de aprendizado e CNNs para classificar o grau de resistência de cultivares de C. arabica à ferrugem do cafeeiro. Os modelos propostos apresentaram acurácias superiores a 95%, sendo mais eficazes que os métodos tradicionais de avaliação.